CN104376741B - 一种车位状态检测方法与系统 - Google Patents

一种车位状态检测方法与系统 Download PDF

Info

Publication number
CN104376741B
CN104376741B CN201410722683.1A CN201410722683A CN104376741B CN 104376741 B CN104376741 B CN 104376741B CN 201410722683 A CN201410722683 A CN 201410722683A CN 104376741 B CN104376741 B CN 104376741B
Authority
CN
China
Prior art keywords
space state
parking space
image
parking stall
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410722683.1A
Other languages
English (en)
Other versions
CN104376741A (zh
Inventor
唐健
谭志刚
陶昆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jieshun Science and Technology Industry Co Ltd
Original Assignee
Shenzhen Jieshun Science and Technology Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Jieshun Science and Technology Industry Co Ltd filed Critical Shenzhen Jieshun Science and Technology Industry Co Ltd
Priority to CN201410722683.1A priority Critical patent/CN104376741B/zh
Publication of CN104376741A publication Critical patent/CN104376741A/zh
Application granted granted Critical
Publication of CN104376741B publication Critical patent/CN104376741B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种车位状态检测方法，对车位监控图像进行分析处理，采用光流法判断是否有物体进出车位，无进出车位物体时保持当前的车位状态，并采用车牌检测法判断进出车位的所述物体是否为有牌车辆，采用边缘密度检测法判断进出车位的所述物体是否为无牌车辆，更新车位状态，本发明还公开了一种车位状态检测系统，包括图像处理模块，图像处理模块包括：初始化模块、运动估计模块、车牌检测模块和边缘密度检测模块；应用本发明的车位检测方法和系统，避免了将水沟等强干扰背景误判为车辆，对进出车位的无牌照的车辆也能准确检测，具有鲁棒性强，抗干扰能力强，检测快速结果准确。

Description

一种车位状态检测方法与系统
技术领域
本发明涉及图像监控处理领域，特别是涉及一种车位状态检测方法和系统。
背景技术
车位检测技术是一种依靠外部设备来检测车位状态即车位上是否有车，并把车位状态发送给显示设备进行显示的一项技术。
目前，市场上有多种车位检测方法，常用的方法有利用红外线，超声波进行车位检测以及在车位的地面上埋设感应线圈，但是这些方法受环境影响较大，在环境容易发生变动的场合如室外停车场，进行车位检测容易被干扰造成结果的失误，无法准确可靠地检测车位状态。
发明内容
有鉴于此，本发明的主要目的在于提供一种车位状态检测方法和系统，可以准确可靠地检测车位状态。
为实现上述目的，本发明提供了一种车位状态检测方法，包括：
判断图像是否为第一帧图像，如果是则初始化光流法和车位状态，如果否则计算并确定上一帧中的强角点；
使用光流法判断前后帧中所述强角点是否存在运动，如果是，则确定车位上有物体运动，如果否，则保持当前车位状态；
对所有所述强角点估计一个总的运动方向，判断所述运动方向是否沿进出车位方向，如果是，则确定所述物体进出车位，如果否，则保持当前车位状态；
判断进出车位的所述物体是否为车辆；
所述判断进出车位的物体是否为车辆包括：
判断是否可以检测到物体有车牌，如果是则确定进出车位的所述物体为有牌车辆，更新车位状态，如果否，则利用边缘密度检测法检测所述物体是否为车辆，如果是，则确定所述物体为无牌车辆，更新车位状态，如果否，则保持车位的当前车位状态。
优选地，所述利用边缘密度检测法检测所述物体是否为车辆包括：
获得当前帧灰度图像的梯度图像；
求所述梯度图像的梯度积分图；
利用多个预设定尺度的搜索框分别搜索所述梯度积分图，保存积分值大于预设定阈值的点；
对保存下来的区域聚类，判断聚类后的区域是否有光流运动，如果是则确定所述物体为无牌车辆，更新车位状态，如果否，则保持当前车位状态。
优选地，所述判断图像是否为第一帧图像前还包括获取图像。
优选地，所述获取图像包括获取模拟摄像机或数字摄像机采集的图像。
优选地，判断进出车位的所述物体是否为车辆后还包括接收判断的结果并进行显示。
本发明还提供了一种车位状态检测系统，包括根据图像判断车位状态的图像处理模块；
所述图像处理模块包括：
初始化子模块、运动估计子模块、车牌检测子模块和边缘密度检测子模块；
所述初始化子模块用于判断图像为第一帧图像时初始化光流法和车位状态；
所述运动估计子模块用于计算并确定非第一帧图像时上一帧中的强角点，使用光流法判断前后帧中的所述强角点是否存在运动，如果是，则确定车位上有物体运动，如果否，则保持当前车位状态，对所有所述强角点估计一个总的运动方向，判断所述运动方向是否沿进出车位方向，如果是，则确定所述物体进出车位，如果否，则保持当前车位状态；
所述车牌检测子模块用于检测进出车位的所述物体是否有车牌，如果是则确定进出车位的所述物体为有牌车辆，更新车位状态；
所述边缘密度检测子模块用于利用边缘密度检测法检测进出车位的所述物体是否为车辆，如果是，则确定所述物体为无牌车辆，更新车位状态。
优选地，所述车位状态检测系统还包括：图像采集模块，用于获取图像。
优选地，所述车位状态检测系统还包括：车位状态显示模块，用于判断进出车位的所述物体是否为车辆后接收判断的结果并进行显示。
应用本发明提供的车位状态检测方法与系统，对车位监控图像进行分析处理，采用光流法判断是否有物体进出车位，无进出车位物体时保持当前的车位状态，并采用车牌检测法判断进出车位的所述物体是否为有牌车辆，采用边缘密度检测法判断进出车位的所述物体是否为无牌车辆，检测到进出车位的物体为车辆时更新车位状态，利用车位上车辆进车位和出车位两种运动状态对车位状态的更新进行检测判断，避免了将水沟等强干扰背景误判为车辆，对进出车位的无牌照的车辆也能准确检测，具有鲁棒性强，抗干扰能力强，检测快速结果准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明一种车位状态检测方法的一流程图；
图2为本发明一种车位状态检测方法的一详细流程图；
图3为本发明一种车位状态检测方法的又一详细流程图；
图4为本发明一种车位状态检测方法的又一流程图；
图5为本发明一种车位状态检测方法的又一流程图；
图6为本发明一种车位状态检测系统的一结构示意图；
图7为本发明一种车位状态检测系统的又一结构示意图；
图8为本发明一种车位状态检测系统的又一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了一种车位状态检测方法，如图1和图2所示，为本发明车位状态检测方法实施例的流程图，包括：
步骤S101：判断图像是否为第一帧图像，如果是则进入步骤S102，如果否则进入步骤S103；
对图像进行分析，判断当前帧图像是否为第一帧。
步骤S102：初始化光流法和车位状态；
当前帧图像为第一帧时初始化光流法需要的参数和目前该车位的车位状态，即车位上是否有车。
步骤S103：计算并确定上一帧中的强角点；
当前帧不是第一帧时，计算确定上一帧中的强角点，可以利用Shi-Tomasi方法计算上一帧中易于跟踪的强角点，强角点描述的是以此点为中心周围存在至少两个不同方向的纹理，具有移动不变性、旋转不变性、光照不变性等特点。
步骤S104：使用光流法判断前后帧中所述强角点是否存在运动，如果是，则进入步骤S105，如果否，则进入步骤S106；
计算强角点的光流运动，结合上一帧和当前帧来计算强角点的运动，可以采用比较成熟的Lucas-Kanade(简称LK)光流法，此方法是求稀疏光流的一种重要方法，主要是基于三种假设：
(a)亮度恒定：指对被跟踪部分像素不随时间变化而变化，
f(x,t)＝I(x(t),t)＝I(x(t+dt),t+dt)；
(b)时间连续：是指相邻帧之间的运动较小；
(c)空间一致:是指一个场景中同一表面上的邻近点具有相似的运动。
采用金字塔LK光流方法能很好的解决了较大运动的跟踪。
步骤S105：确定车位上有物体运动；
如果强角点运动，则说明车位上有运动的物体，运动的物体是否为车辆需要进一步验证。
步骤S106：保持当前车位状态；
如果强角点不存在运动，则说明在该车位上没有运动物体，保持该车位当前的车位状态不变。
步骤S107：对所有所述强角点估计一个总的运动方向，判断所述运动方向是否沿进出车位方向，如果是，则进入步骤S108，如果否，则进入步骤S109；
根据上一步中所求强角点的运动估计一个强角点总的运动方向，再根据这个运动方向估计物体的总体运动方向，判断运动方向是否为进出车位的方向，可以设定一个角度阈值，在此角度阈值内表示运动方向为进出车位的方向。
步骤S108：确定所述物体进出车位；
如果物体运动的方向为进出车位的方向，可以判断运动物体进出车位。
步骤S109：保持当前车位状态；
如果物体运动的方向不是进出车位的方向，可能是干扰物的运动，不是车辆，则保持当前的车位状态。
步骤S110：判断进出车位的所述物体是否为车辆。
进一步判断进出车位的物体是否为车辆来确定车位状态。
如图2所示，为步骤S108的详细流程图，包括：
步骤S201：判断是否可以检测到物体有车牌，如果是，则进入步骤S202，如果否，则进入步骤S203；
车牌为一个车辆最明显的标志，这里采用车牌检测法，对进出车位的物体进行车牌检测，判断进出车位的物体是否有车牌。
步骤S202：确定进出车位的所述物体为有牌车辆，更新车位状态；
如果检测到进出车位的物体有车牌，则可以确定进出车位的物体为有牌车辆，对当前车位状态进行更新。
步骤S203：利用边缘密度检测法检测所述物体是否为车辆，如果是，则进入步骤S204，如果否，则进入步骤S205；
如果没有检测到进出车位物体有车牌，有一种可能是车辆还未上牌照，需要采用边缘密度检测法对进出车位的物体进行检测，进行进一步的验证。
步骤S204：确定所述物体为无牌车辆，更新车位状态；
利用边缘密度检测法检测到车辆则运动物体为无牌车辆，更新车位状态。
步骤S205：保持当前车位状态。
利用边缘密度检测法未检测到车辆则说明无车辆进出车位，保持当前车位状态不变。
应用本实施例提供的车位状态检测方法，对车位的监控图像进行分析处理，采用光流法判断是否有物体进出车位，无进出车位物体时保持当前的车位状态，并采用车牌检测法判断进出车位的所述物体是否为有牌车辆，采用边缘密度检测法判断进出车位的所述物体是否为无牌车辆，检测到进出车位的物体为车辆时更新车位状态，利用车位上车辆进车位和出车位两种运动状态对车位状态的更新进行检测判断，避免了将水沟等强干扰背景误判为车辆，对进出车位的无牌照的车辆也能准确检测，具有鲁棒性强，抗干扰能力强，检测快速结果准确。
如图3所示，为边缘密度检测法的详细流程图，包括：
步骤S301：获得当前帧灰度图像的梯度图像；
对当前帧灰度图像求水平方向梯度图像和垂直方向梯度图像：
Gx(i,j)＝abs(gray(i-1,j)-gray(i+1,j))，Gy(i,j)＝abs(gray(i,j-1)-gray(i,j+1))，
对于水平梯度图像和垂直梯度图像，经过加权，获得梯度图像G(i,j)：
G(i,j)＝a*Gx(i,j)+(1-a)Gy(i,j)，其中权值
步骤S302：求所述梯度图像的梯度积分图；
求Gt(x,y)的积分图Gi(x,y)。
步骤S303：利用多个预设定尺度的搜索框分别搜索所述梯度积分图，保存积分值大于预设定阈值的点；
多尺度框搜索梯度积分图，目的是为了求出积分值最大的区域，判断车位是否有车，具体实施方法是：
(a)设定n个不同尺度的搜索框R1,R2,…,Rn，目的是为了满足不同大小的车辆，增强算法的适应性。
(b)设定n个搜索框对应积分值的权重因子S1,S2,…,Sn,目的是为了把不同尺度空间的积分值转换到同一尺度空间去比较。
(c)利用每个搜索框遍历全图，保存对应位置的积分值Vn(i,j)。如果Vn(i,j)*Sn>T,则保存此搜索框，否则不保存，其中T为自定义阈值。
步骤S304：对保存下来的区域聚类；
把保留下来的区域进行聚类，获得几个聚类群，说明有几个疑似的车辆区域，因此还需要进行一步验证。
步骤S305：判断聚类后的区域是否有光流运动，如果是，则进入步骤S306，如果否，则进入步骤S307；
对获得的聚类区域判断是否有光流运动。
步骤S306：确定所述物体为无牌车辆，更新车位状态；
如果存在光流运动，则进出车位的物体确定为无牌车辆，更新车位状态。
步骤S307：则保持当前车位状态。
如果无光流运动，可能为强干扰的背景，保持当前车位状态。
如图4所示，为本发明车位状态检测方法具体实施例的流程图，对应于图1，还包括：
步骤S100：获取图像。
本发明是对监控到的车位上的图像进行分析，可以利用电荷耦合元件CCD或互补金属氧化物半导体COMS感光器件成像原理获取图像，这里可以采用模拟摄像机或数字摄像机等设备获取图像。
如图5所示，为本发明车位状态检测方法又一具体实施例的流程图，对应于图4，还包括：
步骤S111：接收判断的结果并进行显示。
车位状态判断检测后得到是否保持车位状态信息或者更新车位状态信息的结果，接受结果并显示，也可以进行进一步的响应。
本发明还提供了一种车位状态检测系统，如图6所示，为本发明车位状态检测系统的结构示意图，包括根据图像判断车位状态的图像处理模块；
所述图像处理模块包括：
初始化子模块101、运动估计子模块102、车牌检测子模块103和边缘密度检测子模块104；
所述初始化子模块101用于判断图像为第一帧图像时初始化光流法和车位状态；
所述运动估计子模块102用于计算并确定非第一帧图像时上一帧中的强角点，使用光流法判断前后帧中的所述强角点是否存在运动，如果是，则确定车位上有物体运动，如果否，则保持当前车位状态，对所有所述强角点估计一个总的运动方向，判断所述运动方向是否沿进出车位方向，如果是，则确定所述物体进出车位，如果否，则保持当前车位状态；
所述车牌检测子模块103用于检测进出车位的所述物体是否有车牌，如果是则确定进出车位的所述物体为有牌车辆，更新车位状态；
所述边缘密度检测子模块104用于利用边缘密度检测法检测进出车位的所述物体是否为车辆，如果是，则确定所述物体为无牌车辆，更新车位状态。
本实施例中的图像处理模块属于算法模块，主要是以ARM或DSP平台为载体，加载图像处理算法，当采集模块输出一张图像给图像处理模块，经过图像处理模块处理后，输出车位有车无车状态。
应用本实施例提供的车位状态检测系统，对车位的监控图像进行分析处理，采用光流法判断是否有物体进出车位，无进出车位物体时保持当前的车位状态，并采用车牌检测法判断进出车位的所述物体是否为有牌车辆，采用边缘密度检测法判断进出车位的所述物体是否为无牌车辆，检测到进出车位的物体为车辆时更新车位状态，利用车位上车辆进车位和出车位两种运动状态对车位状态的更新进行检测判断，避免了将水沟等强干扰背景误判为车辆，对进出车位的无牌照的车辆也能准确检测，具有鲁棒性强，抗干扰能力强，检测快速结果准确。
如图7所示，为本发明车位状态检测系统的一具体实施例的结构示意图，对应于图6，还包括：
图像采集模块105，用于获取图像。
图像采集模块是利用CCD或COMS感光器件成像原理获取图像，这里指的是模拟摄像机或数字摄像机等设备。
如图8所示，为本发明车位状态检测系统的一具体实施例的结构示意图，对应于图7，还包括：
车位状态显示模块106，用于判断进出车位的所述物体是否为车辆后接收判断的结果并进行显示。
车位状态显示模块接收图像处理模块传出的车位状态信息，进行显示，也可以给出状态响应。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的车位状态检测方法和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种车位状态检测方法，其特征在于，包括：
判断图像是否为第一帧图像，如果是则初始化光流法和车位状态，如果否，则计算并确定上一帧中的强角点；
使用光流法判断前后帧中所述强角点是否存在运动，如果是，则确定车位上有物体运动，如果否，则保持当前车位状态；
对所有所述强角点估计一个总的运动方向，判断所述运动方向是否沿进出车位方向，如果是，则确定所述物体进出车位，如果否，则保持当前车位状态；
判断进出车位的所述物体是否为车辆；
所述判断进出车位的物体是否为车辆包括：
判断是否可以检测到物体有车牌，如果是则确定进出车位的所述物体为有牌车辆，更新车位状态，如果否，则利用边缘密度检测法检测所述物体是否为车辆，如果是，则确定所述物体为无牌车辆，更新车位状态，如果否，则保持当前车位状态。
2.根据权利要求1所述的车位状态检测方法，其特征在于，所述利用边缘密度检测法检测所述物体是否为车辆包括：
获得当前帧灰度图像的梯度图像；
求所述梯度图像的梯度积分图；
利用多个预设定尺度的搜索框分别搜索所述梯度积分图，保存积分值大于预设定阈值的点；
对保存下来的区域聚类，判断聚类后的区域是否有光流运动，如果是则确定所述物体为无牌车辆，更新车位状态，如果否，则保持当前车位状态。
3.根据权利要求1所述的车位状态检测方法，其特征在于，所述判断图像是否为第一帧图像前还包括获取图像。
4.根据权利要求3所述的车位状态检测方法，其特征在于，所述获取图像包括获取模拟摄像机或数字摄像机采集的图像。
5.根据权利要求4所述的车位状态检测方法，其特征在于，判断进出车位的所述物体是否为车辆后还包括接收判断的结果并进行显示。
6.一种车位状态检测系统，包括根据图像判断车位状态的图像处理模块，其特征在于，所述图像处理模块包括：
初始化子模块、运动估计子模块、车牌检测子模块和边缘密度检测子模块；
所述初始化子模块用于判断图像为第一帧图像时初始化光流法和车位状态；
所述运动估计子模块用于计算并确定非第一帧图像时上一帧中的强角点，使用光流法判断前后帧中的所述强角点是否存在运动，如果是，则确定车位上有物体运动，如果否，则保持当前车位状态，对所有所述强角点估计一个总的运动方向，判断所述运动方向是否沿进出车位方向，如果是，则确定所述物体进出车位，如果否，则保持当前车位状态；
所述车牌检测子模块用于检测进出车位的所述物体是否有车牌，如果是则确定进出车位的所述物体为有牌车辆，更新车位状态；
所述边缘密度检测子模块用于利用边缘密度检测法检测进出车位的所述物体是否为车辆，如果是，则确定所述物体为无牌车辆，更新车位状态。
7.根据权利要求6所述的车位状态检测系统，其特征在于，还包括：图像采集模块，用于获取图像。
8.根据权利要求7所述的车位状态检测系统，其特征在于，还包括：车位状态显示模块，用于判断进出车位的所述物体是否为车辆后接收判断的结果并进行显示。
CN201410722683.1A 2014-12-02 2014-12-02 一种车位状态检测方法与系统 Expired - Fee Related CN104376741B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410722683.1A CN104376741B (zh) 2014-12-02 2014-12-02 一种车位状态检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410722683.1A CN104376741B (zh) 2014-12-02 2014-12-02 一种车位状态检测方法与系统

Publications (2)

Publication Number Publication Date
CN104376741A CN104376741A (zh) 2015-02-25
CN104376741B true CN104376741B (zh) 2017-03-22

Family

ID=52555625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410722683.1A Expired - Fee Related CN104376741B (zh) 2014-12-02 2014-12-02 一种车位状态检测方法与系统

Country Status (1)

Country Link
CN (1) CN104376741B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376742A (zh) * 2014-12-02 2015-02-25 深圳市捷顺科技实业股份有限公司 一种车位状态检测方法与系统

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104916162B (zh) * 2015-05-28 2017-05-03 惠州华阳通用电子有限公司 泊车位检测方法和系统
CN106611510B (zh) * 2015-10-27 2019-04-23 富士通株式会社 车位检测装置、电子设备及方法
US10268901B2 (en) * 2015-12-04 2019-04-23 Texas Instruments Incorporated Quasi-parametric optical flow estimation
CN106228835B (zh) * 2016-07-18 2019-04-26 北京精英智通科技股份有限公司 一种车位停车事件判断方法及系统
CN106529437B (zh) * 2016-10-25 2020-03-03 广州酷狗计算机科技有限公司 一种人脸检测的方法和装置
CN107777498B (zh) * 2017-11-20 2019-07-19 江苏省特种设备安全监督检验研究院 一种电梯轿厢内暴力行为检测方法
CN108172008B (zh) * 2017-12-01 2020-11-17 深圳市小猫信息技术有限公司 一种可停车车位标记的方法、装置及系统
CN110245673B (zh) * 2018-03-09 2021-07-20 浙江宇视科技有限公司 车位检测方法及装置
CN108921958A (zh) * 2018-07-13 2018-11-30 安徽灵图壹智能科技有限公司 一种车辆停车车牌支付方法及支付系统
CN111105639B (zh) * 2018-10-25 2022-04-05 杭州海康威视系统技术有限公司 车位状态检测方法及装置、车辆引导方法及系统、摄像机
CN109686110A (zh) * 2019-01-17 2019-04-26 蜂寻（上海）信息科技有限公司 车位空满状态判别方法及设备
CN109920257B (zh) * 2019-04-09 2020-10-02 浙江创泰科技有限公司 互联网智能车辆管理方法
CN111340966B (zh) * 2019-12-12 2022-03-08 山东中创软件工程股份有限公司 一种车辆检测方法、装置及系统
CN113066306B (zh) * 2021-03-23 2022-07-08 超级视线科技有限公司 一种路侧停车的管理方法及装置
CN113674350A (zh) * 2021-07-15 2021-11-19 浙江大华技术股份有限公司 一种车位状态检测方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5265172A (en) * 1989-10-13 1993-11-23 Texas Instruments Incorporated Method and apparatus for producing optical flow using multi-spectral images
CN102426801A (zh) * 2011-12-12 2012-04-25 天津世纪晨实科技有限公司 基于视觉分析的停车场泊位自动管理方法和系统
CN102436760A (zh) * 2011-11-18 2012-05-02 广州杰赛科技股份有限公司 智能停车场管理方法及系统
KR20120119144A (ko) * 2011-04-20 2012-10-30 주식회사 레이스전자 카메라 기반 지능형 관리 장치 및 방법
CN103473950A (zh) * 2012-06-06 2013-12-25 刘鉵 一种停车场车位监控方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5265172A (en) * 1989-10-13 1993-11-23 Texas Instruments Incorporated Method and apparatus for producing optical flow using multi-spectral images
KR20120119144A (ko) * 2011-04-20 2012-10-30 주식회사 레이스전자 카메라 기반 지능형 관리 장치 및 방법
CN102436760A (zh) * 2011-11-18 2012-05-02 广州杰赛科技股份有限公司 智能停车场管理方法及系统
CN102426801A (zh) * 2011-12-12 2012-04-25 天津世纪晨实科技有限公司 基于视觉分析的停车场泊位自动管理方法和系统
CN103473950A (zh) * 2012-06-06 2013-12-25 刘鉵 一种停车场车位监控方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Dense Estimation and Object-Based Segmentation of the Optical Flow with Robust Techniques;Etienne M´emin 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;19980531;第7卷(第5期);第703-719页 *
Free Parking Space Detection Using Optical Flow-based Euclidean 3D Reconstruction;Jae Kyu Suhr 等;《MVA2007 IAPR Conference on Machine Vision Applications》;20070518;第563-566页 *
一种基于视频的停车场车位监控算法;黄战华 等;《科学技术与工程》;20070930;第7卷(第17期);第4511-4514页 *
基于视频图像的多特征车位检测算法;蒋大林 等;《北京工业大学学报》;20080229;第34卷(第2期);第137-140页 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376742A (zh) * 2014-12-02 2015-02-25 深圳市捷顺科技实业股份有限公司 一种车位状态检测方法与系统

Also Published As

Publication number Publication date
CN104376741A (zh) 2015-02-25

Similar Documents

Publication Publication Date Title
CN104376741B (zh) 一种车位状态检测方法与系统
JP7052663B2 (ja) 物体検出装置、物体検出方法及び物体検出用コンピュータプログラム
US9070023B2 (en) System and method of alerting a driver that visual perception of pedestrian may be difficult
CN108898047B (zh) 基于分块遮挡感知的行人检测方法及系统
CN104103030B (zh) 图像分析方法、照相机装置、控制装置及控制方法
US7536035B2 (en) Object velocity measuring apparatus and object velocity measuring method
US20150178571A1 (en) Methods, devices and systems for detecting objects in a video
US20060210116A1 (en) Lane recognition apparatus
CN103608841A (zh) 使用rgbd相机的头部姿势估计
JP2013544449A5 (zh)
US20150092051A1 (en) Moving object detector
CN105513080B (zh) 一种红外图像目标显著性评估方法
CN101383005A (zh) 一种利用辅助规则纹理的乘客目标图像和背景分离方法
WO2018164575A1 (en) Method of detecting moving objects from a temporal sequence of images
CN104376742B (zh) 一种车位状态检测方法与系统
CN109993134A (zh) 一种基于hog和svm分类器的道路交叉口车辆检测方法
CN104471436B (zh) 用于计算对象的成像比例的变化的方法和设备
CN112399046B (zh) 物体检测装置及方法
KR101032098B1 (ko) 열적외선을 이용한 환경독립형 교통검지시스템
JP7003972B2 (ja) 距離推定装置、距離推定方法及び距離推定用コンピュータプログラム
JP3848918B2 (ja) 移動体監視装置および移動体監視方法
Rachman et al. Camera Self-Calibration: Deep Learning from Driving Scenes
KR101241813B1 (ko) Ｇｐｕ를 이용한 파노라마 영상의 객체 검출 장치 및 방법
CN115620079A (zh) 样本标签的获取方法和镜头失效检测模型的训练方法
JP3507857B2 (ja) 交通流検出装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170322